---
schema_version: "library-reader-v1"
source_type: "original_book"
title: "人工智能伦理"
author: null
edition: null
publisher: null
year: null
isbn: "9787302596622"
library_document_id: "4f33a8d5-185f-4dd7-8093-04a4119470cb"
source_sha256: "fcd3c9683d64b90a0f86208e72b703029dcf8f67d635958e09e34a63875b4472"
pdf_physical_page_count: 1800
pdf_physical_page_index_base: 0
range_start: 940
range_count: 10
html_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb?start=940&limit=10"
markdown_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=940&limit=10"
previous_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=930&limit=10"
next_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=950&limit=10"
---

# 人工智能伦理

> 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。

## PDF_PHYSICAL_PAGE_INDEX=940 | PRINTED_PAGE=NOT_DETECTED

口 事实上，BSD协议（见图3.128）是非常宽松的，允许第三方修改开源代码后闭源，也无须对修改文件有任何版权说明，甚至可以以修改者的名义发布产品，因此无所谓“涉嫌抄袭”一说。

然而，麒麟2.0却声称“是中国独立研发成功的……”，这种说法让本来成就一件好事的麒麟饱受非议，莫不如大大方方地承认修改自FreeBSD。此外，还有一个理解的误区，就是觉得站在开源的肩膀上显不出“高大上”，非得强调“独立”才够水平，这其实有悖于开源推崇的“开放与合作”的精神，大可不必。总体来看，推动开源运动的任何努力都是善举，是值得鼓励的，它也必将让广大用户和国家从中受益。

例3.24 以统计计算、符号计算、科学绘图为例，以下几款开源软件都是非常优秀的工具，完全可以替代相应的商用软件。

口 开源的R语言（也称为GNU S）在短短几年内就打败了包括SAS、S-plus、Stata在内的所有商用统计软件，成为数据科学（如机器学习、模式识别、数据挖掘、大数据分析等）的利器，广泛应用于社会科学、计量经济学、金融分析、生物信息学、遗传学、人工智能（如自然语言处理、图像处理等）、高性能计算等领域。

## PDF_PHYSICAL_PAGE_INDEX=941 | PRINTED_PAGE=NOT_DETECTED

口 Maxima是LISP语言实现的计算机代数系统（computer algebra system, CAS），它可与商用CAS软件Maple和Mathematica媲美，因为它有老当益壮的LISP语言做后盾，从而具有良好的可扩展性。

口 GnuPlot是一款轻便的科学绘图工具软件，是计算机代数系统Maxima、数值计算工具GNU Octave等的绘图引擎。在函数绘图方面，GnuPlot擅长绘制函数曲线、（可以三维旋转的）二维曲面、向量场、等高线等，也可用作数据的可视化。

经过多年的发展，如今的Linux、FreeBSD等开源操作系统，完全匹敌商用的操作系统（如微软公司的Windows、苹果公司的macOS）。相比之下，上述开源计算工具更加完美地运行于Linux、FreeBSD的环境，这也是大学理工科教育最好以一整套的开源系统为首选的主要理由。

## PDF_PHYSICAL_PAGE_INDEX=942 | PRINTED_PAGE=NOT_DETECTED



## PDF_PHYSICAL_PAGE_INDEX=943 | PRINTED_PAGE=NOT_DETECTED

图 3.131 利 用 GnuPlot 绘 制 的 图 形 ， 详 见http://www.gnuplot.info。GnuPlot虽然名字中有“Gnu”，但它尚不是GNU项目的一部分。从法律上说，可以免费使用GnuPlot，但不能免费分发GnuPlot的修改版本

(1) 《爱弥儿——论教育》是卢梭最为得意的作品，它是教育哲学划时代的名著。这本贯穿着自然主义教育思想的巨著写得非常通俗，值得所有人（尤其是每一位教师和即将为人父母的年轻人）一读再读。

(2) 《易经·系辞》里说：“形而上者谓之道，形而下者谓之器。”中国哲学里的道、法、术、器分别指规律、方法、技术和工具，是理性分析的四个层面。简而言之，形而上学就是道。

(3) 也称作可反证性、可否证性，它是任何从经验中得到的结论都具有的一个属性，即结论必须容许逻辑上的反例的存在。数学定理就不具备这个属性，宗教和伪科学也是如此。

(4) 世界上根本没有数学意义的“点”“直线”“平面”，它们与自然语言中的“点”“直线”“平面”的语义完全不同，称呼它们“桌子”“椅子”“啤酒”也无妨，数学家关心的是它们之间的关系而非实体。

(5) 如果第五公设改为“过直线外一点没有平行线”，这种非欧几何学被称为椭圆几何（elliptic geometry），也称为黎曼几何。1854年，德国数学家伯恩哈德·黎曼（Bernhard Riemann, 1826—1866）在哥廷根大学（从高斯到希尔伯特，哥廷根大学曾是世界数学中心）发表就职演说《论作为几何学基础的假设》，提出了这种新几何学。

(6) 所谓“可定向曲面”，是指沿曲面上任意路径运动，回到起点时右手系还是右手系，例如圆盘。1858年，德国数学家奥古斯特·莫比乌斯（August Möbius, 1790—1868）发现的“莫比乌斯带”（Möbius strip）是一个不可定向曲面。它和圆盘一样只有一个面和一条边界，但不能存在于二维空间。

(7) 2014年，机器学习专家伊恩·古德费洛（Ian Goodfellow）等人提出“生成对抗网络”（generative adversarial network,GAN）模型，包含生成网络和判别网络两个部分。其中，判别网络旨在分辨真假样本，生成网络则力图以假乱真“欺骗”判别网络，二者在相互对抗中不断学习。GAN常用于生成惟妙惟肖、真假难辨的图像、视频等，是主要的深伪技术之一。

## PDF_PHYSICAL_PAGE_INDEX=944 | PRINTED_PAGE=NOT_DETECTED

(8) 1897年，庞加莱的论文《空间的相对性》已有狭义相对论的雏形。次年，他在论文《时间的测量》中提出光速不变的假设。1904年，庞加莱命名了“洛伦兹变换”并认识到它构成群。1905年6月，庞加莱的论文《论电子动力学》是狭义相对论的早期结果。然而，爱因斯坦宣称，他从未读过庞加莱的相关论文。

(9) 人类对超自然力量的迷信由来已久。例如，英国物理学家、数学家艾萨克·牛顿在提出运动三大定律之后，把第一推动力归因于上帝。

(10) 原名尼古拉·特里戈（Nicolas Trigault），天主教耶稣会会士、法国汉学家。金尼阁于1610年来华传教，1628年在杭州逝世。他首次把五经翻译成拉丁文，是第一位系统地撰写中国编年史的西方学者，完成了第一部完整的汉字注音字典《西儒耳目资》。

(11) 李善兰翻译了大量数学著作，直接引入了数学符号“=”“×”“÷”“<”“>”，还创造了许多独具匠心的数学术语，沿用至今的有：代数、函数、常数、变数、系数、指数、级数、单项式、多项式、微分、积分、横轴、纵轴、切线、法线、曲线、渐近线、相似等。同时受时代的局限，他用十天干、十二地支，外加“天”“地”“人”“物”四个字来表示26个英文字母，用“微”的偏旁“彳”表示微分，用“积”的偏旁“禾”表示积分。

## PDF_PHYSICAL_PAGE_INDEX=945 | PRINTED_PAGE=NOT_DETECTED

第<sup>4</sup>章 机器学习

未及前贤更勿疑，递相祖述复先谁。

别裁伪体亲风雅，转益多师是汝师。

——杜甫《戏为六绝句》

图 灵在论文《计算机器与智能》（1950）里幻想一种“儿童机器”（child machine），“与其尝试制作一个模拟成人思维的程序，何不尝试制作一个模拟儿童思维的程序？然后对其进行适当的教育，将会得到成人的大脑”<sup>[2]</sup>。这是人工智能之父对“机器学习”的最初思考。

## PDF_PHYSICAL_PAGE_INDEX=946 | PRINTED_PAGE=NOT_DETECTED



## PDF_PHYSICAL_PAGE_INDEX=947 | PRINTED_PAGE=NOT_DETECTED

图4.1 图灵认为机器学习应该模拟儿童学习的过程，逐渐形成智能

“我们希望儿童大脑中的机制如此之少，以至于可以很容易地对其进行编程。作为第一个近似，我们可以假设教育机器的工作量与教育人类孩子的大致相同。

“因此，我们将问题分为两部分——儿童程序和教育过程，二者保持紧密关联。我们不能指望初次尝试时就找到一台好的儿童机器。人们必须尝试教一台这样的机器，并了解其学习情况。然后可以尝试另一台，看看它是好是坏。通过对照，该过程与进化之间存在明显的联系。

$$
) \Deltaseteqsuccsim \Delta ( \frac { \Delta \Delta } { \Delta } x ) \Delta ( \frac { \Delta \Delta } { \Delta } x ) \Delta ( \frac { \Delta } { \Delta } x ) \Delta ( \frac { \Delta } { \Delta } x ) = \Delta \frac { \Delta \Delta } { \Delta } \vert = \frac { \Delta } { \Delta } ( \frac { \Delta } { \Delta } x ) \Delta ( \frac { \Delta } { \Delta } x )
$$

儿童机器的变化=突变

$$
\sharp \therefore \mathtt { i } \bot \mathtt { i } \bot \mathtt { f } \bot \mathtt { f } \equiv \operatorname { a x } \mathtt { i } \bot \mathtt { i } \bot \mathtt { f } \bot \mathtt { i } \bot \mathtt { f } \bot \mathtt { i } \bot \mathtt { f } \bot \mathtt { i } \bot \mathtt { f } \bot \mathtt { i } \bot \mathtt { f } \bot \mathtt { i } \bot \mathtt { f } \mathtt { i } \bot \mathtt { f } \mathtt { i } \bot \mathtt { f } \mathtt { i } \mathtt { f } \mathtt { f } \mathtt { i } \mathtt { f } .
$$

“然而，人们可能希望这一过程比进化更快速而有效。适者生存是衡量优势的慢方法。实验者发挥聪明才智，应该能够加快这个过程。同样重要的是，实验者不必受制于随机突变。如果能找到造成某种弱点的原因，他可能会想出可以改进它的那种突变。

“我们通常把奖罚与教学过程结合起来。可以基于这种原理构造或编程一些简单的儿童机器。机器的构造必须确保，不太可能重复惩罚信号出现之前不久发生的事件，而奖励信号增加了导致该事件重复的概率。这些定义并不预设机器部件有任何感觉。我曾用一台这样的儿童机器做过一些实验，并成功地教会它一些东西，但教学方法太另类，因此实验不能算作真正的成功。

## PDF_PHYSICAL_PAGE_INDEX=948 | PRINTED_PAGE=NOT_DETECTED



## PDF_PHYSICAL_PAGE_INDEX=949 | PRINTED_PAGE=NOT_DETECTED



下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=950&limit=10)